Teoría de los flujos aleatorios y FOREX - página 18
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
Me gustaría poder dibujar sombras en BarsCount hacia atrás durante la inicialización, porque también llevan información.
Pero todo es muy lento cuando estoy trabajando en ello :).
Y hay otra cuestión - si hay una tendencia plana en forex, o no hay tendencia plana en forex. Se ha discutido mucho y tantas personas como opiniones.
Puedes hacer como "Ahora tenemos que sustituir a*x+b por algo más significativo que realmente elimine la tendencia, como 'ang PR (Din)-v1' "
Definir el tiempo de referencia. Y me ha gustado mucho la solución en time_avg_v1.0. mq4 respecto a las desviaciones de la "tendencia".
Lo más interesante aquí es que el coeficiente de correlación es un valor fundamentalmente limitado. La primera solución al problema de la normalización del inductor fue sugerida porYurixx en 'Stochastic Resonance'. No puedo encontrar la foto, maldita sea.
No queda mucho por hacer: enseñarle a correlacionar con los extremos del mercado. Pero parece que los puntos de entrada/salida deben buscarse en los ceros de este indicador.
P.D. No, no exactamente. Los valores negativos del indicador (si se trata de una especie de ACF) no indican una tendencia a la baja. Puede ser el piso más desenfrenado.
P.D. No, en realidad no. Los valores negativos del indikator (si en el sentido de que es una especie de ACF) no indican una tendencia a la baja. Podría ser el piso más desenfrenado.
Y de nuevo - plano - ¿cuánto es? 25p o 50p. ¿Y el plazo más alto? time_avg_v1. 0.mq4 da alguna cifra sobre esta cuestión.
Bien, el ajuste es más o menos perfecto. Ahora tenemos que sustituir a*x+b por algo más significativo que realmente elimine la tendencia, como 'ang PR (Din)-v1'.
Sí, las tendencias son lineales, pero de forma muy cruda y sólo en los TF más grandes, como las semanas. Echa un vistazo por ti mismo.
Entonces, tratemos de entender lo que el autor (y no sólo el autor) está tratando de lograr cuando detrae el gráfico. Prival, probablemente, propone hacerlo para eliminar primero los componentes regulares imprevisibles (tendencia) de las cotizaciones iniciales dejando algo cercano a un proceso aleatorio cuya expectativa no se desvíe demasiado de cero (en términos del número de s.c.o.) y luego analizar las propiedades ACF de este proceso (autocovariante, y no autocorrelacional), utilizando la propia ACF para predecir esas mismas tendencias que nos son desconocidas. Prival, ¿dónde has ido? Dime, ¿es lógico o no?
La desviación sólo tiene sentido cuando la desviación de la "línea de tendencia" del propio gráfico no es demasiado grande, lo que dicta un valor pequeño del periodo de "suavización" de la propia regresión (no de la ACF). De lo contrario, habrá tendencias locales poco profundas dentro del intervalo de desviación, que es exactamente lo que queremos eliminar. (Hipótesis: ¿podemos estar reduciendo el coeficiente de Hurst del proceso inicial, acercándolo al gaussiano?
Ahora mira los 5 minutos y dime si las tendencias son lineales o no... El tema "Resonancia Estocástica" parece que debería desmentir esta noción, si es que tal fenómeno existe.
P.D. Por cierto, ¿has prestado atención a por qué nuestro inductor muestra uno en la barra de cero?
Candidato,
P.D. Por cierto, ¿alguna vez has prestado atención, por qué nuestro indicador muestra uno en la barra cero?
No es mi pregunta, pero ya que me asomo al tema...
Prival intentó una vez hablar de sentido común aquí. Por lo tanto, el sentido común o el sentido físico ACF simplemente por definición iguala su valor a uno en la barra cero, porque muestra la correlación de la muestra de tiempo con ella misma. Su caída a cero puede ser tratada como una pérdida práctica de correlación en los valores de la PA después de que el número correspondiente de barras sea eliminado de cero. Sólo que todavía no entiendo qué queremos conseguir con ello. Nótese que Wikipedia da otra definición de AFC, que, según entiendo, está más cerca del corazón de Matemet, pero aquí sólo consideramos la primera.
P.D. En privado, todavía no tengo el impulso interno de empezar a codificar, porque no tengo una comprensión clara de la tarea. Por cierto, no me considero un MQL Wizard, y nunca lo he sido, pero la práctica demuestra que todo se puede codificar cuando se entiende la tarea. Y hay maestros aquí en el foro.
P.P.S. Asocio la disminución de la actividad en el foro con el deseo de los usuarios del foro de aprender rápidamente las redes neuronales probabilísticas (espero que Prival esté entre ellos), o todo el mundo corrió a abrir una cuenta real, mientras que todavía puede utilizar las señales de Better de forma gratuita :-).
Tengo algo de tiempo libre. Intentaré responder a las preguntas aquí esta noche.
Intenta responder a la pregunta "...probabilística..." sobre la probabilidad de lo que ajusta la red neuronal Better?
Por la noche intentaré programar todo y colgar mis ideas en imágenes.
rsi trata de responder a la pregunta "...probabilística..." sobre la probabilidad de lo que establece la red neuronal Better ?
Hace poco que he empezado con las redes (como siempre sin prisa). En el foro hay expertos en el tema (Vinin, Leo, klot y muchos otros, incluyendo, por supuesto, a Better). (Aunque veo que ya hay un nuevo hilo sobre el tema - no es de extrañar. ) Pero ya que lo has pedido, lo intentaré. Como en el proverbio: ¡Si no puedes hacer nada por ti mismo, al menos enseña a los demás! :-) Aquí en la sucursal, también se reunió un montón de gente, así que espero que me corrijan si me equivoco.
Por lo que he entendido por hoy, al construir una red probabilística se utiliza el enfoque bayesiano, y cada salida de la red obtiene una estimación (y obviamente se compara entonces con un umbral o con otras salidas; Prival, tal vez dos umbrales son posibles también :-)) de alguna estadística suficiente en la forma de un escalar con exactitud hasta un factor constante, descrito por una función de máxima verosimilitud para el vector de entrada. Así pues (para responder a la pregunta), la red (cada salida) se ajusta a la máxima probabilidad de que el vector de entrada coincida con la decisión (salida).
La red en sí suele tener tres capas: la de entrada, la radial y la de salida. Vectores para la clasificación (en el caso de Better, como ya sabemos, lo más probable es que sean combinaciones lineales de varias medias móviles, aunque también pueden utilizarse funciones booleanas). El número de salidas, corresponde a la dimensionalidad requerida de la solución de salida. Por ejemplo, 4, si necesitamos tomar decisiones de compra, venta, cierrecompra, cierreventa. Al entrenar, se aplica el principio de "el ganador se lo lleva todo", es decir, más de una salida no puede acercarse al máximo. Esta es la parte creativa del trabajo: tenemos que encontrar la anchura (sigma) y el número de neuronas más adecuados en la capa media. Algunos vectores de entrada son los que más se ajustan a la compra exitosa, otros a otros vectores de salida. La capa radial se llama así porque utiliza la llamada base radial - la función en forma de campana de la distancia euclidiana (en el caso más general de componentes correlacionados del vector de entrada - la distancia de Mahalanobis) en lugar de la función de transformación sigmoide.
Como vemos, este enfoque es muy similar al de las operaciones "a mano": un operador evalúa el vector de entrada (precio, patrón de AT, lecturas de indicadores, etc.) y toma una decisión, si el criterio se cumple según su estimación.
En cuanto a la formación, aún no la he estudiado. Es una pregunta aparte, si la entiendo, puede que la introduzca más adelante :-). Recuerdo que, incluso antes del Campeonato, escribí que mi Asesor Experto ha estado utilizando los datos de un año para el entrenamiento.
Candid, me refería a la regresión lineal dinámica, es decir, un indicador que predice linealmente el valor de la siguiente barra en función de un número determinado de valores anteriores. Me interesó una vez, cuando jugaba con redes neuronales, e incluso lo calculé analíticamente; es una combinación lineal de SMA y LWMA con periodos iguales, más bien pequeños, no 1000. Me acordaré, ya publicaré la fórmula de cálculo o el propio indicador.
Lo llamo regresión lineal móvil y tengo un indicador de este tipo, puedo compartirlo yo mismo :)
¿Me refiero a la primera barra (la barra cero no se procesa)? Pues bien, la correlación de cada punto consigo mismo se toma como uno, suponiendo que es el máximo grado de correlación posible. Esta suposición se justifica además :). Pero como probablemente lo sabías incluso sin mí, parece que la pregunta contenía una pista, que aún no he entendido.
Prival prometió dar su opinión, pero creo que la idea no es dejar sólo el componente aleatorio, sino eliminar la tendencia "larga" y obtener una serie con valor esperado cero. Esta serie contendrá tendencias más cortas correspondientes al horizonte de juego previsto. Recordando que la matestadística (y no sólo el análisis R/S) prefiere trabajar sólo con este tipo de series, obtenemos una reducción más o menos correcta del problema a "buscar bajo la luz de la calle".
La desviación sólo tiene sentido cuando la desviación de la "línea de tendencia" del propio gráfico no es demasiado grande, lo que dicta un valor pequeño del período de "suavización" de la propia regresión (no ACF). De lo contrario, habrá tendencias locales poco profundas dentro del intervalo de desviación, que es exactamente lo que queremos eliminar. (Hipótesis: ¿podemos estar reduciendo el coeficiente de Hurst del proceso inicial, acercándolo al gaussiano?
Ahora mire los 5 minutos y dígame, ¿las tendencias son lineales o no? El tema "Resonancia Estocástica" debería parecer que desmiente esta noción, si es que tal fenómeno existe.
Y ahora - el postre :). Tal y como se ha escrito anteriormente, entiendo el significado de la destendencia exactamente al revés, es decir: la tarea consiste únicamente en eliminar las tendencias globales y obtener las tendencias locales correspondientes al horizonte de juego elegido. En este sentido, hablar en términos de plazos es bastante desviado. Sólo hay una serie temporal, podemos verla utilizando diferentes marcos temporales, pero las tendencias como realidad objetiva no dependen de la elección de la escala. Y esto es lo que pensé de repente: hay un claro significado físico en las transformaciones lineales: el resultado de dicha transformación es otro marco de referenciainercial, es decir, un sistema en el que actuarán las mismas fuerzas que en el original. En una transformación no lineal, como sabemos por la física, obtenemos un mundo en el que las fuerzas "ilógicas" y difíciles de describir pueden aparecer y desaparecer de forma inesperada. Curiosamente, la utilización de los rendimientos también es una transformación lineal, pero la condición de la expectativa cero se cumple con un error sustancialmente mayor que en el detrending con regresión lineal.